1 / 37

Pesquisa Sequencial e Binária

Pesquisa Sequencial e Binária. Ceça Moraes – cecafac@gmail.com Introdução à Programação SI1. Conteúdo. Pesquisa sequencial Noções de complexidade Pesquisa binária. Contexto. Diferentes estratégias para pesquisa (busca) de um elemento específico em um conjunto de dados.

vlora
Download Presentation

Pesquisa Sequencial e Binária

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Pesquisa Sequencial e Binária Ceça Moraes – cecafac@gmail.com Introdução à Programação SI1

  2. Conteúdo • Pesquisa sequencial • Noções de complexidade • Pesquisa binária

  3. Contexto • Diferentes estratégias para pesquisa (busca) de um elemento específico em um conjunto de dados. • Lista, array, coleção • Operação importante, encontrada com muita freqüência em diversas aplicações • Dois métodos mais conhecidos: • Busca Seqüencial ou linear (linear search ou sequencial search) • Busca Binária (binary search)

  4. Pesquisa Sequencial • Forma mais simples de realizar pesquisas. • Metodologia: • É efetuada a verificação de cada elemento do conjunto, sequencialmente, até que o elemento desejado seja encontrado (pesquisa bem sucedida) ou • Todos os elementos do conjunto tenham sido verificados sem que o elemento procurado tenha sido encontrado (pesquisa mal sucedida)

  5. Pesquisa Sequencial • Questão 1: • O elemento 90 está presente no vetor? • Questão 2: • Quantas comparações são necessárias para achar o elemento 90?

  6. Características • Algoritmo extremamente simples • Pode ser muito ineficiente quando o conjunto de dados se torna muito grande • Alto número de comparações

  7. Complexidade de Algoritmos

  8. Complexidade • A Complexidade de um Algoritmo consiste na quantidade de “trabalho” necessária para a sua execução, expressa em função das operações fundamentais. • Operações críticas variam de acordo com o algoritmo, e em função do volume de dados • Por exemplo, na pequisasequencial é fundamental as comparações entre elementos

  9. Complexidade de Algoritmos • Um algoritmo serve para resolver um determinado problema, e os problemas têm sempre uma entrada de dados(E) • O tamanho de E (N elementos) afeta diretamente o tempo de respostado algoritmo • Dependendo do problema, já existem alguns algoritmos prontos, ou que podem ser adaptados • Decisão: qual algoritmo escolher?

  10. Complexidade • A complexidade de um algoritmo pode ser dividida em: • Complexidade Espacial: quantidade de recursos utilizados para resolver o problema • Complexidade Temporal: quantidade de tempo utilizado. Pode ser visto também como o número de passos necessários para resolver determinado problema • Em ambos os casos, a complexidade é medida de acordo com o tamanho dos dados de entrada (N)

  11. Complexidade • Definimos a expressão matemática de avaliação do tempo de execução deum algoritmo como sendo uma função que fornece o número de passos efetuados pelo algoritmo a partir de uma certa entrada

  12. Exemplos • Soma de vetores para I de 1 até N faça S[I] ← X[I] + Y[I] fimpara • Número de passos = número de somas (N somas) • Ordem de N ou O(N)

  13. Exemplos • Soma de matrizes para I de 1 até N faça para J de1 até N faça C[I,J] ←A[I,j] + B[I,J] fimpara fimpara • Número de passos = número de somas (N*N somas) • Ordem de N2 ou O(N2)

  14. Exemplos • Produto de matrizes para I de 1 até N faça para J de 1 até N faça P[I,J] ←0 para K de 1 até N faça P[I,J] ← P[I,J] + A[I,K] * B[K,J] fimpara fimpara fimpara • Número de passos = Número de operações de somas e produtos (N*N*N) • Ordem de N3 ou O(N3)

  15. Tipos • A complexidade pode ser qualificada quanto ao seu comportamento como: • Polinomial • à medida em que N aumenta o fator que estiver sendo analisado (tempo ou espaço) aumenta linearmente • Exponencial • A medida que N aumenta o fator que estiver sendo analisado (tempo ou espaço) aumenta exponencialmente

  16. Complexidade de Algoritmos • Existem três escalas de complexidade: • Melhor Caso • Caso Médio • Pior Caso

  17. Melhor Caso • Representado pela letra grega Ω (Ômega) • É o menor tempo de execução em uma entrada de tamanho N • É pouco usado, por ter aplicação em poucos casos • Exemplo • Se tivermos uma lista de N números e quisermos executar uma busca sequencialassume-se que a complexidade no melhor caso é de N = 1 • f(N) = Ω (1) = 1, pois assume-se que o número estaria logo na primeira posição da lista

  18. Caso Médio • Definido pela letra grega θ (Theta) • Dos três, é o mais difícil de se determinar • Deve-se obter a média dos tempos de execução de todas as entradas de tamanho 1, 2,... até N, ou baseado em probabilidade de determinada situação ocorrer

  19. Pior Caso • Representado pela letra grega O (O maiúsculo. Trata-se da letra grega ômicron maiúscula) • É o método mais fácil de se obter • Baseia-se no maior tempo de execução sobre as entradas de tamanho N • Exemplo: • Se tivermos uma lista de N números e quisermos executar uma busca sequencial assume-se que a complexidade no pior caso é f(N) = O (N) = N, pois assume-se que o número estaria no pior caso, no final da lista

  20. Busca SequenaialComplexidade • Pior Caso: é quando é necessário realizar Ncomparações (onde N é o número de elementos) • Qual o cenário de pior caso possível? • O elemento procurado na última posição • Melhor Caso: é quando é necessário realizar somente uma comparação • Qual o cenário de melhor caso possível? • O elemento procurado na primeira posição • Caso Médio: (Pior Caso + Melhor Caso)/2

  21. Busca SequenaialComplexidade • Pior Caso: n comparações • O(n) = n • Melhor Caso: uma comparação • Ω(1) =1 • Caso Médio: (Pior Caso + Melhor Caso)/2 • θ(n) = (n + 1) /2

  22. BUSCA BINÀRIA

  23. Busca Binária • Algoritmo de busca em vetores com acesso aleatório aos elementos • Parte do pressuposto de que o vetor está ordenado • Realiza sucessivas divisões do vetor e compara o elemento buscado (chave) com o elemento no meio do segmento • 3 opções: • Se igual, a busca termina com sucesso • Se o elemento do meio for menor que o elemento buscado, então a busca continua na metade posterior do vetor. • Se o elemento do meio for menor que a chave, a busca continua na metade anterior do vetor

  24. Busca BináriaMetodologia 1) Checar onde está o ponto médiodo vetor. 2) Comparar o elemento do ponto médio (EPM) com elemento chave. 3) Continuar a pesquisa da seguinte forma: • Se chave=EPM, então a pesquisa pára com sucesso, pois achou o dado desejado! • Se chave<EPM realizar a pesquisa no sub-vetor à esquerda do EPM, partindo do passo 1. • Se chave>EPM realizar a pesquisa no sub-vetor à direita do EPM, partindo do passo 1.

  25. Exemplo vetor a inspecionar vazio ⇒ o valor 2 não existe no vetor original !

  26. Exemplo de Busca Binária Exemplo Inicial: Após ordenação: Ponto médio Pergunta: Como verificar se o elemento 90 está presente no vetor acima? Pergunta: Quantas comparações são necessárias para achar o elemento 90?

  27. Exemplo de Busca Binária • Procurando pelo elemento 90

  28. Busca Binária • Divide-se o vetor como se este fosse uma “árvore” 20 30 40 50 90 100 Raiz Folhas

  29. Complexidade da Busca Binária • Pior Caso: quando o dado desejado encontra-se na folha da árvore (nas pontas) ou não existe. O(log2N) • Melhor Caso: quando o elemento procurado corresponde a exatamente o elemento do meio do vetor (raiz da árvore). Ω(1) • Caso Médio: quando o dado desejado encontra-se próximo do “meio” da árvore. θ(log2N) • Lembrando que log2N = e => 2e = N

  30. Complexidade da Busca Binária • Para um vetor de 8, é necessário apenas 3 comparações para se encontrar a chave no pior caso: • Exemplo: localizar a chave 2 no vetor: • 11 21 34 39 41 45 89 98 • Comparação 1: 11 21 34 3941 45 89 98 • Comparação 2: 112134 | 39 41 45 89 98 • Comparação 3: 11| 21 34 39 41 45 89 98

  31. Complexidade da Busca Binária • Exemplo: localizar o valor 0 (zero)

  32. Qual das duas buscas é melhor? • Para uma lista com N = 1000, o algoritmo de pesquisa sequencial irá executar 1000 comparações no pior caso, e cerca de 500 operações no caso médio • Por sua vez, o algoritmo de pesquisa binária irá executar 10 comparações no pior caso, para o mesmo N. (log21000 ≈ 10) • O logaritmo de base 2 aparece porque divide-se o intervalo de busca pela metade: 1000, 500, 250, 125, 63, 32, 16, 8, 4, 2, 1 (10 divisões)

  33. Qual das duas buscas é melhor? • O algoritmo de pesquisa binária assume que a lista está ordenada • Ordenar uma lista também tem um custo, geralmente superior ao custo da pesquisa sequencial. • Se for para fazer uma só pesquisa, não vale à pena ordenar a lista • Por outro lado, se pretende-se fazer muitas pesquisas, o esforço da ordenação pode valer a pena

  34. Exercícios

  35. Exercício • Faça um programaem python que realize a pesquisasequencialemumalista de númerosinteiros. Peçapara o programalerosnúmerosatéque o valor -999 sejadigitado. Emseguida o programadevepedirpara o usuáriodigitar o número a ser procuradonalista e efetuar a buscasequencial, informando se o mesmofoiounãoencontrado e se foi, emqualposiçãodalistaeste se encontra. • Refaça o programa anterior parausar o algoritmo de buscabinária.

  36. Exercício

  37. Bibliografia • Cormen, Thomas H. et. al. Algoritmos: Teoria e Prática. Editora Campus, 2002. • Ziviani, Nivio. Projeto de Algoritmos. Editora Nova Fronteira, 2004. • Complexidade (Prof. Jones Albuquerque) • http://www.cin.ufpe.br/~joa/menu_options/school/cursos/ppd/aulas/complexidade.pdf

More Related